| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题的研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本课题的主要研究内容 | 第11-12页 |
| 1.4 课题的结构安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第2章 图像预处理 | 第14-26页 |
| 2.1 我国车牌的规格和特征 | 第14-16页 |
| 2.1.1 车牌的规格 | 第14-15页 |
| 2.1.2 车牌的特征 | 第15-16页 |
| 2.2 图像灰度化 | 第16页 |
| 2.3 灰度图像增强 | 第16-19页 |
| 2.3.1 线性灰度增强 | 第17页 |
| 2.3.2 非线性灰度增强 | 第17-18页 |
| 2.3.3 直方图均衡化 | 第18-19页 |
| 2.4 图像滤波 | 第19页 |
| 2.5 图像的边缘检测 | 第19-23页 |
| 2.6 图像的二值化 | 第23-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第3章 车牌定位 | 第26-48页 |
| 3.1 常用的车牌定位算法 | 第26-28页 |
| 3.1.1 基于频谱特征的定位算法 | 第26-27页 |
| 3.1.2 基于边缘特征的定位算法 | 第27页 |
| 3.1.3 基于颜色特征的定位算法 | 第27-28页 |
| 3.1.4 综合多种特征的定位算法 | 第28页 |
| 3.2 结合有色点对搜索和区域统计特征的车牌定位算法 | 第28-44页 |
| 3.2.1 彩色图像空间和数学形态学 | 第28-31页 |
| 3.2.2 改进的有色点对搜索方法 | 第31-36页 |
| 3.2.3 车牌区域的粗定位 | 第36-40页 |
| 3.2.4 车牌区域的精定位 | 第40-44页 |
| 3.3 车牌的倾斜校正 | 第44-46页 |
| 3.3.1 常用的倾斜校正算法 | 第44-45页 |
| 3.3.2 旋转投影的车牌倾斜校正 | 第45-46页 |
| 3.4 实验结果及分析 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 字符识别 | 第48-74页 |
| 4.1 常用的车牌字符识别算法 | 第49-51页 |
| 4.1.1 基于模板匹配的字符识别算法 | 第49页 |
| 4.1.2 基于统计模式的字符识别算法 | 第49页 |
| 4.1.3 基于结构化模式的字符识别算法 | 第49-50页 |
| 4.1.4 基于分类器的字符识别算法 | 第50-51页 |
| 4.2 支持向量机的相关理论 | 第51-54页 |
| 4.2.1 支持向量机原理 | 第51-52页 |
| 4.2.2 支持向量机的核函数和参数选择 | 第52-54页 |
| 4.3 字符预处理和特征提取 | 第54-59页 |
| 4.3.1 字符预处理 | 第54-56页 |
| 4.3.2 字符特征提取 | 第56-59页 |
| 4.4 字符识别分类器的构造 | 第59-60页 |
| 4.5 基于改进遗传算法的支持向量机字符识别 | 第60-65页 |
| 4.5.1 基于混沌优化的遗传算法 | 第60页 |
| 4.5.2 参数范围及其编码、解码 | 第60-61页 |
| 4.5.3 种群的初始化 | 第61页 |
| 4.5.4 适应度函数的确定 | 第61-62页 |
| 4.5.5 遗传操作算子 | 第62-65页 |
| 4.6 实验及结果分析 | 第65-70页 |
| 4.7 车牌识别系统的实现 | 第70-73页 |
| 4.7.1 系统的功能模块 | 第70-71页 |
| 4.7.2 系统介绍及实验结果分析 | 第71-73页 |
| 4.8 本章小结 | 第73-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 5.1 总结 | 第74-75页 |
| 5.2 展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间论文发表和参加科研项目情况 | 第81-82页 |
| 致谢 | 第82-83页 |